以下是引用这篇文章的既定格式:
Łaszkiewicz, E, M.沃尔夫,E.安德森,J.克朗伯格,D. N.巴顿,D.哈斯,J.朗梅耶,F. Baró, P.麦克菲尔森。2022.城市形态中的绿化:欧洲城市不同城市结构的城市绿地可达性差异的比较分析。生态与社会27(3):22。摘要
对城市社会生态系统的理解需要综合的、跨学科的方法。本文从城市形态的角度探讨了城市绿地可达性的差异。与其他遵循简化的UGS提供量化和/或忽略城市空间形态属性影响的比较分析相比,本研究提出了三个改进。首先,它使用UGS在城市每栋居民楼周围300米步行距离的服务区域中的份额作为UGS提供的衡量标准。其次,它包括UGS潜在的物理可访问性,这是由关键参与者(如所有者或管理者)所保证的,他们决定UGS是否对潜在用户开放。第三,将UGS可达性与异质城市结构联系起来。我们开发了一种混合方法分析,结合了UGS、住宅建筑空间分布和街道网络的多个数据源。我们在五个个案研究城市(巴塞罗那、哈雷、罗兹、奥斯陆和斯德哥尔摩)进行了分析。我们的研究结果表明,人-环境互动改变了空间的城市结构(如核心城市区域)的特征是服务区域的UGS有限。受人类活动影响较小的城市结构(尤其是郊区)在服务区中所选UGS的比例最高。 In addition, even if the share of UGS in the service area is high, many of them might have limited physical accessibility. In the broader sense, this highlights that social-ecological processes are linked to urban form and cannot be separated in an analysis. Therefore, social-ecological systems could be better understood through the lens of urban morphology.介绍
对城市社会生态系统的理解需要整合各个领域的数据和方法。这种整合的一个有前景但仍未充分探索的领域是将城市绿地(UGS)提供的差异(Andersson等人2019,Pauleit等人2019,herrres - cantis和mcpherson 2021)与城市形态(Dennis等人2018,Marcus等人2019,Riechers等人2020)联系起来。一般来说,城市形态学指的是对城市形态的研究,即结构和塑造城市的物理元素,如街道、建筑和地块,以及塑造城市的利益相关者和过程(Kropf 2018, Oliveira 2019b)。作为城市组织的知识来源,城市形态为城市生活的各个方面提供了信息,例如从城市地质系统向居民提供的利益流(Oliveira 2019b, Andersson等,2019)。
正如Zou和Wang(2021)所强调的,在过去十年中,人们通过城市形态的镜头对UGS进行了研究(Šćitaroci和mariic 2019, Whitehand 2019)。尽管有人试图整合城市形态和城市不平等的分析(Oliveira 2021年),但城市形态学家进行的研究没有讨论UGS提供(Kabisch等人2016年)和UGS -城市生态系统服务提供的利益(Kabisch 2019年,Barton等人2020年)方面更深层次的差异。与此同时,专注于量化UGS差异的研究通常忽视了城市形态视角(Zhang et al. 2020a)。
将城市形态纳入UGS提供差异分析中有几个潜在优势(Zou和Wang 2021)。城市形态的作用之一是识别建筑环境的结构、形成和转变中反复出现的空间模式(Fleischmann et al. 2021a)。结合城市形态和UGS提供的视角还可以促进关于密度困境的辩论,以及使城市更宜居和可持续发展的相关二重性(Neuman 2005年,Wolff和Haase 2019年)。城市形态可用于划分同质城市结构,可用于城市内部UGS提供和差异的比较(Grafius等人,2018年)。此外,将UGS相关差异与城市结构联系起来,有助于更好地理解这些差异的背景,并为UGS提供标准提供一个信息丰富的背景(Badiu等人,2016年,Boulton等人,2018年)。这种综合分析有助于避免在解释与ugs相关的差异及其潜在的有偏见的量化时过于简单化。
这项研究有助于如何更好地理解社会生态系统的新兴辩论(Marcus等,2019年,Riechers等,2020年)。与其他遵循简化的UGS提供量化和/或忽略城市空间形态属性影响的比较分析相比,本研究提出了三个改进。首先,它使用UGS在城市每栋居民楼周围300米步行距离的服务区域中的份额作为UGS提供的衡量标准。其次,它包括UGS潜在的物理可访问性,这是由关键参与者(如所有者或管理者)所保证的,他们决定UGS是否对潜在用户开放。第三,将UGS可达性与异质城市结构联系起来。我们的目标是量化UGS提供的差异,以不同水平的潜在可达性为特征,通过城市形态的镜头划分不同的城市结构。我们假设UGS的提供及其不平等在不同的城市结构中是不同的。我们应用混合方法分析了五个个案研究城市(巴塞罗那、哈雷、罗兹、奥斯陆和斯德哥尔摩)的UGS、住宅建筑和街道网络的多源空间明确数据。
本文的其余部分分为五个部分。的”材料和方法”部分论证了案例研究城市的选择、数据来源和用于量化各种城市结构UGS提供差异的方法。的”结果”部分包含调查结果,随后的部分将在使用多个空间尺度(如住宅建筑和城市结构的水平)来评估UGS提供的更广泛背景下进行讨论。我们还从三个系统过滤器的角度讨论了结果,这三个系统过滤器调节了UGS为城市居民提供的利益流(Andersson等人2019,2021),并提出了城市形态如何可以提高对社会生态系统的理解。我们以一些结束语结束。
材料和方法
案例研究的城市
我们的分析涉及代表欧洲不同地理位置的五个城市:巴塞罗那(西班牙)、哈雷(德国)、罗兹(波兰)、奥斯陆(挪威)和斯德哥尔摩(瑞典)。它们在人口密度和规模以及UGS规划面临的挑战方面有所不同。这种多样性使它们代表了不同的城市形态。特别是,在住宅建筑的空间层面上,个案研究的城市分别从51,342到83,605观察到的哈雷和奥斯陆。就UGS覆盖率而言,巴塞罗那和奥斯陆的城市分别从33.3%到73.4%不等(表1)。在奥斯陆,UGS包括Marka地区受保护的城市周边森林。对绿地的保护限制了城市的发展,导致了建筑区内的密集化,这使它成为一个相对紧凑的城市,但不像巴塞罗那那样紧凑。这使得我们的城市样本足够多样化,能够代表欧洲在UGS覆盖和UGS规划的泛欧洲背景下的差异(Kabisch等人2016年,Artmann等人2017年,Wolff和Haase 2019年)。图1和表1给出了个案研究城市的简要比较。
数据库
本研究需要UGS、住宅建筑空间分布、街道网络等数据。大部分数据来自开放的地理数据源,如OpenStreet Map或哥白尼(Copernicus),这使得我们的分析可以在其他城市复制。表2列出了数据库列表,每个数据库都有简要说明。
方法
通过城市形态的视角识别UGS提供的明显空间差异包括七个阶段:(1)根据UGS的潜在物理可达性对其进行分类,(2)量化空间显性UGS提供,(3)操作化城市结构,(4)划分城市街区,(5)量化城市形态特征,(6)识别城市结构,(7)量化不同城市结构UGS提供的空间显性不平等。在下面的小节中,将详细描述这些阶段。
根据潜在的物理可达性对城市绿地进行分类
我们的目标是获得UGS最全面的分类,以考虑其潜在的物理可达性(Biernacka和Kronenberg 2018,2019),并从影响UGS利益流向城市居民的三个系统过滤器的更广泛的视角讨论其提供:制度、基础设施和偏好(Andersson等人2019,2021;另见小节”中介过滤器框架的上下文”).使用ArcGIS 10,我们将来自多个来源的UGS数据组合在一起(表2),并将其分为21个UGS类别(数据处理细节见附录1)。
我们根据UGS的潜在物理可达性对其进行了分类,这是UGS提供的一个特殊方面(Biernacka和Kronenberg 2018,2019)。基于之前的研究(Biernacka和Kronenberg 2018, 2019),我们为21种UGS类别中的每一种分配了不同的物理可达性水平,以考虑关键行为体(如所有者或管理者)对它们是否对潜在用户开放的影响。通过将UGS分为公共(高物理可达性)、半公共(中等物理可达性)和私人(低物理可达性),我们对不同的物理可达性水平进行了近似分析(见表3)。
量化明确的城市绿地提供空间
我们以最好的空间分辨率量化了UGS的提供,即分别为每个住宅建筑。对于这五个城市的310,515座住宅建筑,我们计算了21种UGS类别在每个住宅建筑质心周围300米步行距离服务区域内的百分比。我们选择服务区方法,因为它通常被认为是特别有意义的,因为它指的是人们步行的地方,这是他们通常到达当地UGS的路径。特别是,与圆形缓冲区相比,它不会高估行人可到达的面积,因此,与其他方法相比,它代表了UGS提供的改进措施(Lin等人,2020年,Wolff 2021年)。
300米的服务面积是指的概念”行人了”由可持续城市主义推动,并被解释为核心集水区,即通往最重要的日常使用设施的区域(Vale等人,2018年)。此外,这符合自然英格兰的建议,即每个人的绿地应该不超过离家300米或步行5分钟(Mears等人,2019年)。为此,我们使用了ArcGIS 10.5中的网络分析工具箱。
运营城市结构
城市形态涉及城市形态的各个方面,从城市空间的物理组成部分,通过它们与居民的相互作用,到土地使用和功能(Fleischmann等人,2021b)。我们将重点放在城市形态的特定物理方面,并应用了景观生态学(空间度量)和统计学(降维和聚类分析)的方法(Clifton等人,2008年,Zhang等人,2019年)。
为了避免术语上的不一致,克服定量分析城市形态时的简单化(Fleischmann et al. 2021b),在本研究中,我们使用了该术语”城市结构”在城市中定义一个区域,该区域在选定的城市形态特征上是同质的,并且与周围地区不同。根据Fleischmann等人(2021b)的研究,我们将城市形态特征定义为a”一种城市形式区别于另一种城市形式的特征。”用来划分城市结构的基本空间单元是城市街区——一个两边都有道路的区域。我们对城市结构的理解类似于其他人描述的形态区域,即,”有单位的区域:在形状上有单位的区域,以区别于周围地区”(Oliveira 2019a)和城市组织,即,”根据不同的分辨率可以看到的有机整体”(Kropf 1996, Oliveira 2022)。
界定城市街区
有必要将每个城市划分为我们的基本空间单元——城市街区,以确定城市结构。为了将一个城市街区与另一个区分开来,我们主要使用了街道网络(Grippa et al. 2018)。为了确定郊区的城市街区,我们用铁路和/或自然边界(如海岸线)作为街道网络的补充。
划分每个城市的城市街区遵循以下步骤:(1)我们清理了由马道、自行车道、人行道和小路组成的街道网络,因为它们通常不作为分隔区域的物理屏障;(2)我们用铁路和有轨电车线以及自然边界来补充街道网络,因为它们通常将空间划分为互不相连的部分;(3)我们添加了城市边界。
基于上面的折线集,我们创建了初始多边形,它代表城市居住街区(一个街区内至少有一栋住宅建筑)和城市非居住街区(大多数是带有交通基础设施的多边形)。然后,我们对最初的城市街区进行了视觉检查,并清除了多车道道路、十字路口附近的功能性道路或高速公路坡道造成的不希望出现的多边形。这就形成了最后一组住宅和非住宅城市街区。在确定城市结构时,只进一步考虑了前者。
量化城市形态特征
我们使用15个空间指标对每个城市街区的城市形态特征进行了量化(Zhang et al. 2019, Li et al. 2021)(表4)。来自景观生态学的空间指标可能无法全面覆盖城市形态特征(Vanderhaegen和Canters 2017)。为避免这一限制,本研究选取城市形态特征指标的依据如下:(1)从建筑、街道网络和城市街区三个尺度涵盖城市形态特征,(2)包括一般的(”本体论”)指标的类别:复杂性、形状、强度、连通性和维度(Fleischmann et al. 2021b)。我们纳入了城市街区内单个建筑的城市形态特征指标,因为根据Vanderhaegen和Canters (2017),”单体建筑特征对街区层面的城市形态贡献最大”.此外,我们使用街道网络的指标,因为城市形态是由街道在空间上的配置形成的(Boeing 2018, Lang et al. 2020)。
我们忽略了土地利用覆盖,这在城市形态的定量研究中也被考虑在内(Fleischmann et al. 2021b),因为它指的是UGS。这可能进一步导致由ugs驱动的城市结构识别。同样,Olivera(2021)从城市形态特征的量化中忽略了社会、经济和环境方面的内容,以便将它们与城市结构联系起来。我们在ArcGIS 10.5中使用ZonalMetrics (Adamczyk和Tiede 2017)和V-LATE (Lang和Tiede 2003)工具箱计算了建筑和城市街区的城市形态特征指标。使用OSMnx包(波音2017)在Python中计算街道网络的指标。
为了降低城市形态特征指标的复杂性和相关性,我们进行了主成分分析(PCA) (Arrenberg 2020)。PCA使我们能够获得不相关的城市形态综合指标,这在较少的指标中捕获了原始数据集中包含的高度方差。这些综合指标描述了每个城市街区的城市形态。我们对每个城市分别进行了PCA分析,因为城市形态指标之间的相互关系可能是城市特有的。我们采用Kaiser准则选取代表城市形态综合指标的主成分个数,只选取特征值大于1的主成分。为了优化PCA的统计性能,我们使用特征向量的最大方差正交旋转,这另外确保结果是可解释的。
确定城市结构
我们应用两步聚类分析(Arrenberg 2020)对城市形态的综合指标进行分析,近似于主成分(因子)得分作为主成分分析的输出。利用两步聚类分析,我们将城市结构识别为在城市形态特征方面具有同质性的城市街区组。属于一个集群的城市街区被解释为一个城市结构。这种城市结构可以用综合指标或原始指标的平均值来描述城市形态特征。任何两个不同的城市结构(聚类分析中的聚类)在城市形态特征的指标上都应该是不同的。每个城市街区只能属于一个集群。我们没有预先定义城市构筑物的总数,允许两步聚类分析基于赤池信息准则选择最优数量。为了验证城市街区划分为城市结构,我们使用了集群内聚和分离的剪影系数(Arrenberg 2020)。我们在IBM SPSS Statistics 25中进行了PCA和两步聚类分析。
根据城市结构量化城市绿地提供的差异
我们使用每幢住宅楼周围300米服务区域内UGS提供的中位数和四分位数范围来量化UGS提供的差异。我们使用中位数和四分位区间,而不是平均值和标准差,因为它们是集中趋势和变异的更可靠的度量,这是由于高空间分辨率数据的UGS提供度量的非正态和高度倾斜的频率分布(Tan和Samsudin 2017)。此外,我们计算出在300米的服务区域内,提供UGS的住宅建筑比例高于10%。我们应用Mood的中位数检验(Desu和Raghavarao 2019)来比较城市结构中UGS提供的中位数,并检查这些城市结构之间的差异。
结果
结果按顺序呈现,与我们的分析步骤一致(参见”方法”查看步骤列表)。首先,作为我们分析的第一步的输出,我们使用UGS面积占城市总面积的份额提出了UGS分类。接下来,我们提供UGS类别的提供结果,在整个城市的住宅建筑层面量化。这与我们分析的第二步相对应。然后,我们提出了在每个案例研究城市中确定的城市结构,作为步骤3到6的输出。最后,作为我们分析的第七步的输出,我们得出了不同城市结构的UGS提供不平等的结果。
城市绿地覆盖率
我们分别对每个潜在可达性水平的UGS覆盖率进行了量化,并使用四个指标进行了总结(表5和附录2)。结果表明,即使在特定城市,UGS覆盖率很高,但很大一部分UGS可能具有物理可达性有限的特征。在巴塞罗那,高可及性和低可及性UGS分别占整个城市面积的18%和12%。其他城市的公共设施在城市总面积中的比例差异更大(指标A)。在黑勒和罗兹,潜在可达性低的公共设施在城市面积中所占比例最大,分别为47%和51%,而潜在可达性高的公共设施仅占16%和15%。只有在奥斯陆,由于省略了公共交通,具有潜在高物理可达性的UGS所占的比例(56%)比可达性较低的UGS所占的比例(15%)高得多。
在每个城市中,高可达的UGS主要由树冠组成,而低可达的UGS以草覆盖为主。在一个城市中,高度可达的树冠面积占树冠总面积的比例从65%(哈雷)到92%(奥斯陆)不等。相比之下,高度可接近的草地覆盖面积在其总面积中所占的比例却很稀少——从2-3%(哈雷、罗兹、奥斯陆)到巴塞罗那和斯德哥尔摩分别为13%和21%。这种划分与特定UGS类别的物理可访问性密切相关。
在所有城市中,高度可获得的UGS的主要来源是森林(附录2)。在巴塞罗那、哈雷和罗兹,森林覆盖了城市地区的11-12%,奥斯陆的54%。在斯德哥尔摩,森林和城市林区(不归为森林)占城市面积的20%。根据城市的不同,中等物理可达性的UGS主要包括分配花园(Halle,罗兹)和运动休闲空间的UGS(巴塞罗那,奥斯陆,斯德哥尔摩)。主要的低可达的UGS类型是在私人土地,内庭院绿化,农业用地,以及在工业和商业地区。在奥斯陆和斯德哥尔摩,城市地区私人土地上的地下设施的比例高于其他地下设施类别的比例,其特点是实际可达性较低,分别为7.5%和13.3%。在Halle和罗兹,私有土地的份额相似(8.3%和10.9%)。然而,在这两个城市中,主要的低可及性UGS是农业地区。在黑勒,它在整个城市面积中所占的份额为34.3%,而在罗兹则为36.4%。综上所述,研究结果显示,城市之间的城市公共交通系统结构存在差异,城市之间的城市公共交通系统潜在物理可达性存在差异。
城市绿地的空间显性提供
表5总结了基于潜在物理可达性和树冠与其他绿化之间的差异的UGS提供结果。每个UGS类别的详细规定见附录2。
此外,UGS在城市间的差异是显而易见的,特别是高和低可及的UGS。例如,在300米的服务区域内,较低可用的UGS的中位数百分比在不同城市之间有所不同,从巴塞罗那的4%到奥斯陆的39%。巴塞罗那(0.85%)和罗兹(1%)以及哈雷(1.4%)和奥斯陆(1.5%)的高可获得的UGS的提供中位数相似。当我们比较住宅建筑和超过10%的UGS在其服务区域的份额时,城市之间的差异更大。例如,在斯德哥尔摩,以10%提供高度可访问UGS为特征的建筑份额为55%。相比之下,在奥斯陆、哈雷和罗兹,这一比例为21-23%,而在巴塞罗那,这一比例仅为11%。
结果表明,关于UGS覆盖率的一般信息不足以捕获UGS的提供情况,特别是如果考虑到UGS的物理访问的差异。例如,奥斯陆的UGS覆盖率为73%(表1),但其提供的高可用UGS几乎是斯德哥尔摩的8倍,斯德哥尔摩的UGS覆盖率为50%。这主要是由于位置”Oslomarka”城市周边的森林受到保护,不受住宅开发的影响,集中在海岸线和森林之间的城市建设区域。
在五个案例研究城市中,树冠和其他绿色植物的提供是不一样的。当只考虑高度可达的UGS时,树冠的提供要低得多。在斯德哥尔摩观察到高可及树木冠层和低可及树木冠层的中位数差异最小。相比之下,当只考虑高度可及的UGS时,除树冠以外的绿色植物的中位数供应要低得多,这对应于这种UGS的低份额,仅占城市地区的0.4% - 3%左右。同样,由于UGS在物理可达性方面的潜在限制,例如耕地和私人花园,其他绿色植物的提供中位数也可能有限。有趣的是,在每个个案研究的城市中,这两类UGS的特点是在所有UGS中住宅建筑的中位数供应最高(附录2)。
UGS的提供在每个城市的住宅建筑中是不同的。四分位数区间的高值反映了这一点,这可以被解释为一个信号,即UGS供应在每个城市的住宅建筑之间分布不均。此外,住宅建筑UGS提供的高度倾斜分布表明,住宅建筑之间UGS提供的高度差异,表明需要更深入地考虑城市内部UGS提供的差异。
城市结构的提取与描述
对于每个案例研究的城市,我们使用扩展的街道网络获得了至少一个住宅建筑的城市街区。街区数量分别为4421个(巴塞罗那)、969个(哈雷)、2148个(罗兹)、1059个(奥斯陆)和3474个(斯德哥尔摩)。我们使用15个城市形态特征指标(表4)描述这些城市街区,然后将其作为PCA的输入数据。在每个个案研究城市中,主成分分析法得出了五个城市形态特征综合指标。唯一的例外是Halle,它从PCA中提取了城市形态特征的四个综合指标(详见附件3)。城市形态特征的综合指标解释了原始数据集中约60%的信息变异性。
与我们的预期一致(参见”量化城市形态特征”),主成分分析结果表明,城市形态特征指标之间存在相关性,特别是街道网络指标之间存在相关性。例如,在巴塞罗那,从PCA(附件3)中得到的综合指标5反映了街道网络的形状和强度。在哈雷,综合指标4将街道网络的尺寸、强度和连通性与城市街区形状相结合。同样,在奥斯陆,综合指标2是基于街道网络的空间分布、强度、连通性和城市街区形状。这些城市形态特征的综合指标表明,城市街区形态与城市街区周边的街道网络结构息息相关。
基于城市形态特征综合指标的两步聚类分析将城市街区划分为不同的城市结构。每个城市划分的城市结构的总数相似,等于三个(哈雷和斯德哥尔摩)、四个(巴塞罗那)和五个(罗兹和奥斯陆)。对于每一个两步聚类分析,聚类内聚和分离的剪影系数至少为0.4;因此,城市结构具有足够的质量。城市结构如图2-6所示。
综合指标的平均值可以详细描述每个城市结构。然而,这将需要对PCA的每个主成分进行额外的解释,分别针对每个城市。相反,我们根据城市形态特征的三个原始指标的平均值提供了已识别的城市结构的一般描述(表6)。
两步聚类分析的结果显示了我们在欧洲各地的案例研究城市之间的相似和差异。巴塞罗那、哈雷、罗兹和奥斯陆的共同点是城市划分为核心部分和郊区,以不同的城市结构为代表。罗兹和黑勒的中心部分以城市结构1为代表。特别是在罗兹,这种城市结构与高密度的历史城市中心相对应。在哈雷,通过两步聚类分析得到的有限数量的城市结构导致了高密度的中心城区和郊区的急剧划分。相比之下,罗兹被划分为更多的城市结构,因此核心-郊区梯度涉及更多的步骤。在罗兹,2号和3号建筑可称为混合住宅和商业功能的地区。
在奥斯陆,城市结构的划分是所有案例研究城市中最集中的。城市中心以城市结构1和2为主要特征,被城市结构3所包围。城市结构4和5形成了城市最外围的部分。巴塞罗那也是如此,与城市结构3和4相比,城市结构1和2之间的平均欧氏距离更低,城市街区规模更小(表6)。这意味着这些城市结构中的住宅密度较高。奥斯陆和巴塞罗那的共同点是城市发展区集中在城市外围森林保护区和海岸线和港区之间。
奥斯陆的4号和5号城市建筑,哈雷的2号和3号城市建筑,巴塞罗那的3号和4号城市建筑,罗兹的4号和5号城市建筑代表了郊区,主要是单户住宅,而不是多户住宅。它们的共同点是城市街区的规模大,住宅建筑之间的距离远,进一步说明建筑密度低。综上所述,城市结构的变化与城市的历史背景和土地利用动态有一定的关系。有趣的是,在斯德哥尔摩,城市结构是混合的,并没有构成一个连续的区域与相同的城市结构。与其他城市不同的是,斯德哥尔摩的城市结构在视觉上被划分为同心带模式,而对城市结构的视觉考察则显示了城市空间发展的多核模式。这在一定程度上是由于斯德哥尔摩的地理环境有点复杂,有几个岛屿和水道。
不同城市结构中城市绿地提供的差异
表7显示了不同城市结构中UGS供应的中位数。情绪中值检验有一个p值< 0.01,证明城市结构在UGS提供方面存在统计学上的显著差异。这些差异在每个城市和UGS的物理可达性的每个级别被观察到。这进一步扩展了关于欧洲城市之间观察到的差异和对各种UGS类别的有限物理访问的一般发现。结果表明,UGS对不同潜在物理可达性水平的提供取决于城市结构类型(表7)。
一般来说,在每个城市和城市结构中,UGS的提供与物理可达性水平有相似的变化。有趣的是,在所有的城市中,对物理可达性中等的UGS的供应都是最低的,这是由于这些UGS在城市中的数量较少(见表5)。此外,在每个城市结构中,可达性较低的UGS的供应中位数远高于可达性较高的UGS的供应中位数。唯一的例外是巴塞罗那的城市结构3,在住宅周围300米的服务区域内,高可及性和低可及性UGS的提供中位数都在10%左右。此外,除斯德哥尔摩外,在所有城市中,住宅建筑服务区中高度无障碍UGS的比例中位数不高于10%。
在我们的案例研究城市中(不包括斯德哥尔摩),普遍存在的情况是,反映城市核心的城市结构中UGS提供的中位数较低,而与城市郊区相对应的城市结构中UGS提供的中位数较高。例如,在巴塞罗那,城市结构1和2(城市中心)的UGS提供的中位数约为5-6%,而城市结构3和4(郊区)的UGS提供的中位数为30-37%。同样,罗兹市中心(城市结构1)的UGS中位数提供是该市城市结构中最低的。在罗兹市中心住宅建筑周围300米的服务区域内,UGS覆盖的中位数百分比为30%。对于城市结构2和3,该值上升,对应混合居住和商业功能(37%和45%)。然而,在代表郊区的城市结构4和5中,UGS提供的中位数最高(分别为46%和70%)。奥斯陆也出现了类似的城市核心-郊区梯度中位数UGS供给的增长。斯德哥尔摩的结果是个例外。特别是,三种城市结构中UGS的提供中位数变化不大。
尽管如此,城市之间和城市内部还是存在差异的,主要是低可达树冠的中位数与其他绿化的比例不一致。在高度可达的UGS的情况下,在所有城市结构和城市中,我们观察到树冠的中位数供应高于其他绿化。然而,对于较低可接近的树冠和其他绿叶植物则没有观察到这一点。例如,在哈雷,只有在城市结构1(城市中心)中,低可达树冠的中位数提供高于其他绿化。在另外两个城市结构中,树冠面积和其他绿化面积的中位数几乎相等。巴塞罗那的郊区(城市结构4)也观察到了类似的均衡现象。这与罗兹和斯德哥尔摩形成了鲜明对比。前者在郊区(城市结构5)的其他绿化提供中位数(39%)高于树冠层(17%)。后者的特征是城市结构1的其他绿化提供中位数(21%)高于树冠层(13%)。
总之,结果表明,在不同的城市结构中,UGS提供的中位数差异是不同的。此外,在没有进一步考虑潜在的物理可达性和植被结构划分的情况下,提供的UGS仅提供了与UGS相关的不平等的一般信息。
讨论
研究结果反映了城市生态学家和规划者所讨论的多重挑战。特别是,我们建议在住宅建筑的空间层面上将UGS提供与基于城市街区划分的城市结构联系起来,进一步有助于在分析UGS提供差异时对数据的适当空间(dis)聚合进行更广泛的讨论。我们还建议,在量化各种城市结构的UGS提供时,考虑UGS的潜在物理可达性的不同水平。这进一步促进了正在进行的关于制度(如产权)和基础设施(如景观构成)在城市地物系统向城市居民的利益流动中的作用的讨论。从更广泛的意义上说,我们的研究成果有助于将社会生态系统分析与城市形态分析相结合的讨论。
多空间尺度与城市绿地供给量化研究
我们主张更好地理解关于UGS提供差异的研究结果的过度简化,这是使用空间聚合数据的结果。特别是,我们已经证明,在城市尺度上量化UGS供应,而不考虑空间细分单元(如城市结构),只提供关于UGS供应的一般且往往被高估的信息。我们的结果表明,数据聚合的空间级别越低,UGS提供的异构性越强。
基于我们的结果,在每个个案研究城市中,我们可以观察到,由于住宅建筑之间UGS提供的高度不平等,UGS提供的变异性(由城市结构的差异造成)进一步复杂化和微妙化(见表7中的四分位数范围值)。这与之前的研究一致。这表明,使用适当的空间数据尺度会影响任何UGS差异分析的结果(Tan和Samsudin 2017, Rüttenauer 2018, Schaeffer和Tivadar 2019)。空间尺度越小,UGS提供的差异图景就越详细。在微观尺度上注意到的UGS提供差异可能比在更高空间尺度上测量的差异更高(由于空间数据变异性相对较高)(Łaszkiewicz等人,2021年,Carvalho等人,2022年)。我们的结果证实了这一规则,并强调了从不同空间数据聚合级别链接结论的必要性。
我们发现不同的城市结构对UGS的提供是不同的。当我们将反映核心城区和郊区的城市结构的结果进行比较时,这一点尤为明显。此外,城市中心和绿色郊区之间高度不均匀的UGS空间分布并不一定与人们居住的地方相对应。这在我们的每个案例研究城市中都很明显,除了斯德哥尔摩。例如,在巴塞罗那,对应城市郊区的城市结构4的UGS提供的中位数是反映城市中心的城市结构1的5倍。在哈雷、罗兹和奥斯陆,郊区的UGS平均水平是这些城市中心的两倍左右。其他使用大地理数据的人也获得了关于中部和城郊地区UGS可达性差异的类似结果(Ma et al. 2020, Chen et al. 2020)。通过这项研究,我们建议使用空间显式数据量化UGS供应,并进一步将其与城市结构联系起来,以提高对UGS分布的理解。通过城市形态的视角分析UGS提供的差异,并使用适当选择的空间尺度,可以改善UGS供需关系的映射(Whitehand 2017, 2019, Pauleit等,2019)。
我们意识到,城市形态特征的指标并不完全相互独立,可能会重叠(Fleischmann et al. 2021b)。特别是,当涉及到街道网络时,将一个指标分配给给定的类别,如连通性、强度或空间分布,是模糊的,而且在文献中也没有关于这些指标代表哪个类别的一致性。例如,波音(2018,2019)提出,平均紧密度中心性和加权平均聚类系数既表明街道网络的连通性,也表明街道网络的空间分布。此外,他认为,这两个指标,以及平均绕行距离,是衡量街道网络复杂性的指标,它们可能是可以互换的。此外,根据Fleischmann等人(2021b),空间分布的意义是广泛的,因为它可以反映建筑或城市街区的距离、连续性或集中度。然而,用于捕捉建筑空间分布的基于距离的指标可能与建筑连通性的度量相关联。尽管Fleischmann等人(2021b)只将连接性指标分配给街道网络,但我们也为建筑物和城市街区添加了连接性指标。这也可能导致指标之间的相关性。
城市绿地的物理可达性
我们的研究结果有助于更深入地考虑城市中潜在的物理可达性限制(Biernacka等人,2020年)和障碍(Barber等人,2021年)对从UGS获得益处的潜在限制。我们证明,如果不考虑UGS多样性和对步行距离指标以外的物理可达性的更广泛理解(Wolff 2021),分析UGS提供的差异可能会导致研究结果的过度简化。我们的结果表明,高UGS覆盖率并不能保证所有居民在他们的环境中都有UGS。
即使在UGS覆盖率高的城市,高可访问的UGS提供的UGS的中位数也可能很低。通过广泛的交叉研究空间分析,我们表明,关于UGS的讨论需要承认和纳入UGS的物理可达性的多样性,这塑造了城市居民受益于UGS的可能性。我们的研究结果表明,在分析UGS提供的差异时,忽略UGS的物理可达性可能会导致高估真正的UGS提供,特别是那些由UGS提供的福利高度依赖于UGS的物理可达性,如积极娱乐(Biernacka和Kronenberg 2018,2019)。
特别是,我们表明,一个城市的UGS在总面积中所占的高份额并不总是保证所有的住宅建筑在其紧邻的环境中都有UGS。例如,在奥斯陆,极有可能获得的UGS覆盖率远高于斯德哥尔摩,分别为56%和26.5%。然而,在住宅周围300米的服务区域中,这些UGS的提供中位数在奥斯陆(1.5%)比斯德哥尔摩(12%)要低得多。在比较奥斯陆和哈雷时,这一点更加明显。在每个居民楼周围300米的服务区域内(表5中的指标B), UGS提供的中位数几乎相同(约1.5%),尽管城市在UGS覆盖率方面有所不同。至于奥斯陆,在300米的服务区域内,这些UGS的低中位数供应被公共交通进入城市周边自然环境所部分抵消,这在本研究中没有考虑到。
研究结果表明,在每个个案研究城市中,代表低可及性UGS的私人土地和内庭院绿地上的耕地和UGS的提供在所有UGS类别中最高。在巴塞罗那,有一半的住宅建筑的服务面积在300米以下。这与其他个案研究城市形成对比。例如,在哈雷和罗兹,私有土地和内庭院绿化的耕地和UGS的中位数分别为27%和31%。尽管支持我们分析的大部分数据来自2012年,但我们预计,在过去十年中,由于新的住宅或商业开发项目取代了非正式的UGS,我们的案例研究城市的UGS供应中值可能有所下降。
UGS有限的物理可达性使那些没有产权的人无法享受愉快的绿色环境进行积极的娱乐活动,如步行、骑自行车或进行体育锻炼(Biernacka和Kronenberg 2019年)。在耕地、私人土地上的UGS和内庭院绿化的情况下,我们可以预期,至少在其300米的服务区域内拥有UGS的私人所有者可以获得所有这些需要与绿化进行实际接触的好处。其他城市居民虽然不能在私人用地上进入UGS,但仍然可以从与视觉欣赏或空气净化相关的UGS中获益,这里仅举几个例子。
中介过滤器框架的上下文
根据三个系统过滤器的研究框架,城市地物服务向城市居民的利益流动由三个过滤器介导:制度(如产权、社会规范)、基础设施(如景观构成)和观念(Andersson等人2019,2021)。我们的研究结果特别强调了其中两个过滤器的相关性:制度和基础设施。
制度反映了政策意图、社会规范、所有权和用户权利。在本研究中,该过滤器以UGS的多样化物理可达性为代表,并反映了制度(所有权、社会规范和产权)。根据biereracka和Kronenberg(2018, 2019)和biereracka等人(2020)提出的框架,我们通过为每个UGS类别分配对给定UGS具有最大影响力的行为体确保的潜在物理可达性来纳入机构。
我们的研究结果表明,由于UGS可及性的变化,从UGS中获益的可能性可能大大受限。这可以进一步解释为机构的影响,可以限制UGS的潜在利益的交付。我们的研究结果反映了城市间UGS提供中位数的显著差异,如私人土地和内庭院绿地,这可能进一步为积极的娱乐提供机会(Hanson等人,2021年)。在斯德哥尔摩,这种UGS的提供中位数约为18%,在哈雷和罗兹分别为7%和5%,而在巴塞罗那,只有1%(见附录2)。与此同时,私人土地和内庭院绿化上的UGS的物理可达性较低,主要局限于土地所有者。UGS可达性对向城市居民提供与UGS相关的文化利益的如此重要的影响可以被解释为制度障碍的结果。
基础设施被理解为城市景观的组成和配置,捕捉了供给和需求区域之间的相互关系(Andersson等人。2019,2021)。本研究从两个方面分析了基础设施的作用——一是使用服务区域来量化每幢住宅建筑的UGS供应,二是考虑到不同城市结构中UGS供应的变化。使用每个居民楼的服务区域,我们能够真实地捕捉居民是否可以到达UGS以获得利益。这一点很重要,尤其是在娱乐方面。我们发现,城市之间和城市内部通过与绿色植物的日常直接接触,从UGS中受益的可能性是高度多样化的。然而,在我们的研究中,至关重要的是要考虑到异质的城市结构,这可以被视为基础设施的近似。
我们的研究结果证实了一个假设,即UGS的中位数供给在城市结构中是不同的。这可能与UGS效益的空间生产函数概念进一步相关(Andersson等人,2021年)。特别是,城市结构作为人与环境相互作用的产物,影响着UGS的分布和物理可达性,在更广泛的背景下,影响着人类福祉的交付。根据我们的研究结果,人-环境交互作用对空间改变最大的城市结构(如核心城市区域),其特征是UGS的提供有限。受人类活动影响较小的城市结构(尤其是郊区),其所选择的UGS提供最多。这可以进一步补充正在进行的关于如何管理UGS的讨论,以支持UGS的利益流向城市居民(Sikorski等人,2021年)。
社会生态一体化的城市形态
城市形态学家(Whitehand 2017, 2019, Marcus等人2019)和城市生态学家(Marcus和Colding 2014)多次强调需要更广泛地整合城市形态学和社会生态系统。因此,近年来,为了更广泛地理解社会生态过程而结合这两个领域的尝试越来越多(Sharifi 2019, Li等人2021,Oliveira 2021)。本研究通过展示异质性城市结构如何形成UGS提供的差异,有助于对这种整合的优势进行持续讨论。
从形态的角度来看,城市内部的差异反映了城市发展过程中发生的过程,或过去和现在的城市规划决策等。由于这些原因,城市规划者不能以同样的方式对待整个城市区域,因为不同的部分可能没有可比性(Grafius et al. 2018, Oliveira 2021)。因此,在本研究中,我们提出”比较类似的”并根据城市结构的差异,量化UGS提供的不平等。此外,我们将城市划分为城市结构作为基础设施的近似,作为可能影响ugs相关利益流动的中介因素。
城市形态是人-环境相互作用的产物,影响着城市生态系统的空间分布。我们的研究结果证明了这一事实,即城市结构之间的差异:(1)UGS覆盖率,(2)UGS为住宅建筑提供的中位数,以及(3)UGS提供的差异强度。其他试图将UGS与异质城市空间联系起来的人也得出了类似的结论(Grafius等,2018年,Marcus等,2019年)。Ossola和Hopton(2018)认为城市形态是丹佛城市树木覆盖的主要驱动因素之一,Zhang等人(2020b)论证了城市形态影响中国长三角城市的生物量损失。我们的研究结果使我们能够得出类似的结论。UGS的提供不仅在城市之间不同,而且在每个城市内部不同的城市结构之间也不同,这进一步证实了其他发现(Ossola和Hopton 2018, Ossola等人2019,Zhang等人2020b)。
尽管我们发现UGS的提供和UGS相关的差异受到城市形态的影响,但出现了反向因果关系的问题。在这项研究中,我们在确定城市结构时没有考虑到土地使用模式”量化城市形态特征”).这并不意味着我们得到的城市结构没有部分受到UGS的影响。UGS的小块在城市街区内的位置,甚至城市街区的配置,都可能影响城市形态特征的指标,间接影响城市结构的识别。这将与Guyot等人(2021年)一致,他们提出在城市结构的识别中包括UGS覆盖。这可以进一步解释城市结构之间UGS覆盖率的差异。在更广泛的背景下,这意味着UGS与城市形态之间的关系是互惠的。
城市形态在UGS提供多样化中的重要性与UGS种类的空间分布有关。每个UGS类别在城市结构中分布不同,这导致了UGS提供的差异。换句话说,城市内部的配置决定了环境特征的空间分布,这对UGS有进一步的影响(Steele和Wolz 2019)。尤其是从市中心到郊区的坡度上,这一点非常明显。然而,对于所有的城市结构来说,潜在的高可达性UGS的提供远远低于那些物理可达性低的特征。同时,进一步将UGS分解为树冠层和其他绿色植物表明,在少数情况下,潜在可及性高的树冠层提供的资源高于潜在可及性低的树冠层提供的中值。
在更广泛的背景下,我们的研究结果强调了社会-生态过程与城市形态有关,这意味着它们不能单独分析。因此,通过城市形态的视角可以更好地理解社会生态系统。这与最近的文献一致,强调人-环境的相互作用,从而导致城市形态所表现的社会-生态变化。也许到那时,为了更好地理解社会生态过程,继续整合景观生态学和城市形态学中使用的知识和工具将是相关的(Marcus等人2019,Whitehand 2019, Oliveira 2021)。
结论
本研究展示了将UGS提供的差异与异质的同城城市结构联系起来的优势。我们对多个空间明确数据应用混合方法,综合分析了五个欧洲城市(巴塞罗那、哈雷、罗兹、奥斯陆、斯德哥尔摩)的每个住宅建筑的UGS提供及其差异。我们利用城市形态特征的指数,通过城市形态的镜头将它们与城市结构联系起来。
我们的结果表明,关于UGS覆盖率的一般信息不足以捕获UGS的提供情况。此外,对UGS的物理访问也区分了住宅周边服务区UGS的数量。即使UGS在某一城市的覆盖率很高,但在现实中,很大一部分可能是物理可达性有限的。结果表明,高可及性和低可及性UGS的提供存在城市间和城市内的差异。这进一步表明,需要深入考虑使用空间分类数据和多个空间尺度,以超越关于城市居民UGS数量的一般性和往往被高估的信息。
我们的研究结果表明,人-环境互动改变了空间的城市结构(如核心城市区域)具有有限的UGS提供的特征。受人类活动影响较小的城市结构(尤其是郊区),其所选择的UGS提供最多。从更广泛的意义上说,这意味着社会生态过程和城市形态不能分离;因此,我们主张把两者联系起来。通过这项研究,我们支持城市形态学家和城市生态学家强调的建议,支持通过城市形态学的镜头更好地理解社会生态系统,反之亦然。
致谢
本研究中进行了启用项目资助通过2015 - 2016年BiodivERsA COFUND呼吁研究建议,由国家资助者:瑞典研究理事会环境、农业科学和空间规划,瑞典环境保护局,德国航空航天研究中心、国家科学中心(波兰)(批准号2016/22/Z/NZ8/00003),挪威研究理事会,西班牙经济和竞争力部。
数据可用性
有关每栋住宅提供的21个城市绿地类别的数据,以“城市绿化报告”格式公开提供。
巴塞罗那:
https://dservices1.arcgis.com/Y0GEUoQU0oZOJlz6/arcgis/services/Barcelona/WFSServer?service=wfs&request=getcapabilities
哈里:
https://dservices1.arcgis.com/Y0GEUoQU0oZOJlz6/arcgis/services/Halle/WFSServer?service=wfs&request=getcapabilities
罗兹:
https://dservices1.arcgis.com/Y0GEUoQU0oZOJlz6/arcgis/services/Lodz/WFSServer?service=wfs&request=getcapabilities
奥斯陆:
https://dservices1.arcgis.com/Y0GEUoQU0oZOJlz6/arcgis/services/Oslo/WFSServer?service=wfs&request=getcapabilities
斯德哥尔摩:
https://dservices1.arcgis.com/Y0GEUoQU0oZOJlz6/arcgis/services/Stockholm/WFSServer?service=wfs&request=getcapabilities
我们论文中使用的其他数据来自附录1中列出的开放资源,如OpenStreet Map和Urban Atlas。
文献引用
亚当奇克,J.和D.提德,2017。ZonalMetrics -一个用于分区景观结构分析的Python工具箱。计算机与地球科学99:91-99。https://doi.org/10.1016/j.cageo.2016.11.005
安德森,E., S. Borgström, D. Haase, J. Langemeyer, A. mascararenhas, T. mcpherson, M. Wolff, E. Łaszkiewicz, J. Kronenberg, D. Barton, P. herrros - cantis。2021.一种环境敏感的系统方法,用于理解和实现城市生态系统服务。生态与社会26(2):35。https://doi.org/10.5751/ES-12411-260235
安德森,E., J.朗梅耶,S. Borgström, T.麦克菲尔森,D.哈斯,J.克朗伯格,D. N.巴顿,M.戴维斯,S.诺曼,L. Röschel, F. Baró。2019.使绿色和蓝色基础设施能够改善对人类福祉和城市系统公平的贡献。生物科学69(7):566 - 574。https://doi.org/10.1093/biosci/biz058
安农齐亚塔和C.加尔劳,2021年。活力评价及其理论框架的文献综述。城市环境中地理设计的新视角。《O. Gervasi, B. Murgante, S. Misra, C. Garau, I. Blecic, D. Taniar, B. O. Apduhan, A. M. A. C. Rocha, E. Tarantino,和C. M. Torre》第305-322页,编辑。计算科学及其应用- iccsa 2021。施普林格国际出版社,Cham,瑞士。
Arrenberg, j . 2020。用SPSS分析多变量数据:有详细例子的工作簿。BoD -图书按需,诺德斯泰特,德国。
Artmann, M., X. Chen, C. iojovic, A. Hof, D. Onose, L. ponivy, A. Z. lamovek, J. Breuste. 2017。城市绿地在欧洲城市老年人护理设施中的作用。城市林业与城市绿化27:203-213。https://doi.org/10.1016/j.ufug.2017.08.007
巴迪乌,D. L., C. I. iojak, M. ponitroescu, J. Breuste, M. Artmann, M. R. niautika, S. R. grannidinaru, C. A. Hossu, D. A. Onose. 2016。城市人均绿地面积是实现城市可持续发展目标的有价值目标吗?罗马尼亚作为个案研究。生态指标70:53 - 66。https://doi.org/10.1016/j.ecolind.2016.05.044
巴伯,A., D.哈斯和M.沃尔夫,2021。德国黑勒市城市绿地物理屏障的渗透性。生态指标125:107555。https://doi.org/10.1016/j.ecolind.2021.107555
Barton, D. N, N. Gulsrud, N. Kabisch和T. B. Randrup. 2020。城市开放空间价值的决策和管理。M. Janssen和T. Randrup的129-148页,编辑。城市开放空间治理与管理。劳特利奇,Abingdon-on-Thames,英国。https://doi.org/10.4324/9780429056109-10
比埃纳卡,M.和J.克伦伯格。2018。影响城市绿地可用性、可达性和吸引力的制度障碍分类。城市林业与城市绿化36:22-33。https://doi.org/10.1016/j.ufug.2018.09.007
比埃纳卡,M.和J.克伦伯格,2019。城市绿地的可用性、可达性和吸引力,以及生态系统服务的提供。城市与环境学报12(1):5。
比埃纳卡,M., J.克伦伯格,E. Łaszkiewicz。2020.一个综合系统,监测城市公园和绿色广场的可用性、可达性和吸引力。应用地理116:102152。https://doi.org/10.1016/j.apgeog.2020.102152
波音,g . 2017。OSMnx:获取、构建、分析和可视化复杂街道网络的新方法。计算机,环境与城市系统65:126-139。https://doi.org/10.1016/j.compenvurbsys.2017.05.004
波音,g . 2018。衡量城市形态和设计的复杂性。国际城市设计23(4):281-292。https://doi.org/10.1057/s41289-018-0072-1
波音,g . 2019。可步行和可驾驶的街道网络的形态和环路。L. D 'Acci,第271-287页,编辑。城市形态的数学。施普林格国际出版社,Cham,瑞士。https://doi.org/10.1007/978-3-030-12381-9_12
博尔顿,C., A. dedekorkuut - howes和J. Byrne. 2018。影响城市绿地供给的因素:文献系统综述。景观与城市规划178:82-101。https://doi.org/10.1016/j.landurbplan.2018.05.029
卡瓦略,C., A. G. Del Campo, D. de Carvalho Cabral. 2022。不平等的尺度:空间范围在环境正义分析中的作用。景观与城市规划221:104369。https://doi.org/10.1016/j.landurbplan.2022.104369
陈勇,岳伟,D. La Rosa. 2020。哪些社区的绿地可达性更好?利用大数据研究环境不平等。景观与城市规划204:103919。https://doi.org/10.1016/j.landurbplan.2020.103919
克利夫顿,R.尤因,G. Knaap和Y.宋。2008。城市形态的定量分析:多学科综述。城市学报:空间创造与城市可持续性的国际研究1(1):17-45。https://doi.org/10.1080/17549170801903496
丹尼斯,M, D.巴洛,G.卡万,P. A.库克,A.吉尔克里斯特,J.汉德利,P.詹姆斯,J.汤普森,K.祖拉斯,C. P.惠特和S.林德利。2018。测绘城市绿色基础设施:一种基于景观的新方法,将土地利用和土地覆盖纳入人类主导系统的测绘。土地7(1):17。https://doi.org/10.3390/land7010017
德苏,M. M.和D. Raghavarao, 2019。完整和删减数据的非参数统计方法。CRC出版社,Boca Ratron,佛罗里达州,美国。https://doi.org/10.1201/9781482285895
Fleischmann, M., A. Feliciotti和W. Kerr. 2021a。城市模式的演变:城市形态学作为一门开放的可复制数据科学。地理分析。https://doi.org/10.1111/gean.12302
Fleischmann, M. O. Romice, S. Porta. 2021b。测量城市形态:克服术语上的不一致,对城市进行定量和全面的形态分析。环境与规划B:城市分析与城市科学48(8):2133-2150。https://doi.org/10.1177/2399808320910444
格拉菲乌斯,D. R.科斯坦耶,J. A.哈里斯。2018。利用多元景观度量分析将生态系统服务、城市形态和绿地配置联系起来。景观生态学33:557 - 573。https://doi.org/10.1007/s10980-018-0618-z
格里帕,T., S. Georganos, S. Zarougui, P. Bognounou, E. Diboulo, Y. Forget, M. Lennert, S. Vanhuysse, N. Mboga和E. Wolff. 2018。使用OpenStreetMap、遥感数据和空间指标在街道街区层面绘制城市土地使用。地球信息学报7(7):246。https://doi.org/10.3390/ijgi7070246
盖约,M., A.阿拉迪,G.弗斯科和I.托马斯,2021年。从街道视角看布鲁塞尔的城市形态:植被在城市肌理定义中的作用。景观与城市规划205:103947。https://doi.org/10.1016/j.landurbplan.2020.103947
汉森,H. I., E. Eckberg, M. Widenberg和J. Alkan Olsson, 2021。园林对人和城市绿地的贡献。城市林业与城市绿化63:127198。https://doi.org/10.1016/j.ufug.2021.127198
T.赫莫西拉Palomar-Vázquez, Á。Balaguer-Beser, J. Balsa-Barreiro和L. A. Ruiz. 2014。使用基于街道的指标来描述城市类型。计算机,环境与城市系统44:68-79。https://doi.org/10.1016/j.compenvurbsys.2013.12.002
赫里罗斯-康提斯,P.和T.麦克菲尔森。2021.绘制生态系统服务的供需图,以评估纽约市的环境正义。生态应用程序:e02390。https://doi.org/10.1002/eap.2390
Kabisch: 2019。德国莱比锡城市生态系统服务提供与社会环境正义。M. Schröter第347-352页,A. Bonn, S. Klotz, R. Seppelt,和C. Baessler,编辑。生态系统服务地图集:驱动力、风险和社会反应。施普林格国际出版社,Cham,瑞士。https://doi.org/10.1007/978-3-319-96229-0_53
卡比施,M. Strohbach, D. Haase和J. Kronenberg, 2016。欧洲城市的城市绿地可用性。生态指标70:586 - 596。https://doi.org/10.1016/j.ecolind.2016.02.029
Kropf, k . 1996。城市组织与城镇特征。国际城市设计,1(3):47- 63。https://doi.org/10.1057/udi.1996.32
Kropf, k . 2018。城市形态手册。威利,纽约,纽约,美国。https://doi.org/10.1002/9781118747711
朗,S.和D.提德,2003。vLATE扩展für ArcGIS - vektorbasiertes工具zur定量土地schaftsstrukturtur分析。2003年在奥地利因斯布鲁克举行的ESRI欧洲用户会议上发表的论文。
郎伟,惠恩昌明,陈涛,李晓霞。2020。通过人的尺度来理解交通导向发展中社会活动的宜居密集城市形态。生境国际104:102238。https://doi.org/10.1016/j.habitatint.2020.102238
Łaszkiewicz, E., J. Kronenberg,和S. marcikowczak。2021.与居住隔离有关的绿色空间可用性的微观社会经济不平等:波兰罗兹的案例研究。城市111:103085。https://doi.org/10.1016/j.cities.2020.103085
李芳,周涛,兰芳。2021。不同空间尺度下城市形态与空气质量的关系——以中国北方为例生态指标121:107029。https://doi.org/10.1016/j.ecolind.2020.107029
林丹,朱仁荣,杨杰,李丽丽。孟. 2020。通过步行生成基于网络的公交集水区的开源框架。国际地理信息学报9(8):467。https://doi.org/10.3390/ijgi9080467
马磊,张浩,陆敏。2020。建筑分形维数趋势及其在视觉复杂性图中的应用。建筑与环境178:106925。https://doi.org/10.1016/j.buildenv.2020.106925
马库斯,L., M. Berghauser Pont和S. Barthel, 2019。构建社会生态空间形态:整合城市形态和景观生态要素。城市形态23(2):115 - 124。
马库斯,L.和J.科尔丁,2014。空间形态与弹性城市系统的综合理论研究。生态与社会19(4):55。https://doi.org/10.5751/ES-06939-190455
米尔斯,M., P.布林德利,R.马赫斯瓦兰和A.约根森。2019。理解公共可访问绿地分布的社会经济公平性:以英国谢菲尔德为例。Geoforum 103:126 - 137。https://doi.org/10.1016/j.geoforum.2019.04.016
纽曼,m . 2005。紧凑城市谬误。规划教育与研究25(1):11-26。https://doi.org/10.1177/0739456X04270466
奥利维拉,v . 2019 a。城市形态的历史地理学理论。城市建设与城市可持续发展国际研究12(4):412-432。https://doi.org//10.1080/17549175.2019.1626266
奥利维拉,v . 2019 b。城市的形态、动因和变化的过程。L. D 'Acci的529-535页,编辑。城市形态的数学。施普林格国际出版社,Cham,瑞士。https://doi.org/10.1007/978-3-030-12381-9_28
奥利维拉,v . 2021。城市形态以及城市的社会经济和环境维度。城市主义杂志:场所制造与城市可持续性的国际研究。https://doi.org/10.1080/17549175.2021.2011378
奥利维拉,2022年。城市形态的研究:不同的方法。V. M.奥利维拉,编辑,141-197页。城市形态学:研究城市物理形态的导论。施普林格国际出版社,Cham,瑞士。https://doi.org/10.1007/978-3-319-32083-0_6
Oliveira, V., V. Medeiros和J. Corgo, 2020年。葡萄牙城市的城市形态。城市形态24(2):145 - 166。
奥索拉,A.和M. E.霍普顿,2018。测量住宅景观的城市树木损失动态。总环境科学612:940-949。https://doi.org/10.1016/j.scitotenv.2017.08.103
Ossola, A., D. Locke, B. Lin和E. Minor. 2019。绿化风格:城市形态、建筑和前后院植被的结构。景观与城市规划185:141-157。https://doi.org/10.1016/j.landurbplan.2019.02.014
Pauleit, S., B. Ambrose-Oji, E. Andersson, B. Anton, A. Buijs, D. Haase, B. Elands, R. Hansen, I. Kowarik, J. Kronenberg, T. Mattijssen, A. Stahl Olafsson, E. Rall, A. P. N. van der Jagt, C. Konijnendijk van den Bosch. 2019。推进欧洲城市绿色基础设施建设:green SURGE项目的成果和反思。城市林业与城市绿化40:4-16。https://doi.org/10.1016/j.ufug.2018.10.006
瑞切尔斯M。,。Balázsi, D.阿布森和J.费舍尔,2020。景观变化对人-自然联系多维度的影响。生态与社会25(3):3。https://doi.org/10.5751/ES-11651-250303
Ruttenauer, t . 2018。邻居很重要:德国一项全国性的小范围环境不平等评估。社会科学研究70:198 - 211。https://doi.org/10.1016/j.ssresearch.2017.11.009
谢弗,Y.和M.蒂瓦达,2019。衡量环境不平等:来自居住隔离文献的见解。生态经济学164:106329。https://doi.org/10.1016/j.ecolecon.2019.05.009
Šćitaroci, M.和M.马里克。2019.设防城镇绿地形态特征23.1:27-44城市形态。
a·沙里夫,2019年。城市形态弹性:中尺度分析。城市93:238 - 252。https://doi.org/10.1016/j.cities.2019.05.010
西科尔斯基,P, B. Gawryszewska, D.西科尔斯卡,J. chormakovsky, A. Schwerk, A. Jojczyk, W. cichocovkowski, P. archicikovsky, M. Łepkowski, I. Dymitryszyn, A. Przybysz, M. wikovsky - krysiak, B. Zajdel, J. Matusiak, E. Łaszkiewicz。2021.什么都不做的价值——非正式的绿色空间如何能提供与栽培的城市公园相当的生态系统服务。生态系统服务50:101339。https://doi.org/10.1016/j.ecoser.2021.101339
斯蒂尔,M. K.和H.沃尔兹,2019。美国城市土地覆盖组成和配置的异质性:对生态系统服务的影响。景观生态学34(6):1247 - 1261。https://doi.org/10.1007/s10980-019-00859-y
Tan P. Y.和R. Samsudin. 2017。空间尺度对城市公园供给空间公平性评价的影响。景观与城市规划158:139-154。https://doi.org/10.1016/j.landurbplan.2016.11.001
瓦尔,D. S., C. M.维亚纳和M.佩雷拉。2018。地方尺度的扩展节点-地点模型:里斯本地铁网络的土地利用和交通整合评价。交通地理学报69:282-293。https://doi.org/10.1016/j.jtrangeo.2018.05.004
范德海根,S.和F.坎特斯,2017。利用空间指标在城市街区层面绘制城市形态和功能。景观与城市规划167:399-409。https://doi.org/10.1016/j.landurbplan.2017.05.023
韦伯,N., D.哈斯,和U.弗兰克。2014。利用景观指标的概念评估模拟的户外交通噪声和城市结构周围的空气污染。景观与城市规划125:105-116。https://doi.org/10.1016/j.landurbplan.2014.02.018
Whitehand, j . 2017。我们如何看待城市:一个绿色空间之谜?城市形态21(2):103 - 104。
Whitehand, j . 2019。城市形态中的绿地:一种历史地理方法。城市形态23(1):5。
沃尔夫,m . 2021。利用空间网络分析法进一步推进绿色和蓝色区域可达性测度。生态指标126:107665。https://doi.org/10.1016/j.ecolind.2021.107665
沃尔夫,M.和D.哈斯,2019。协调可持续性和宜居性——欧洲城市绿地供给的转折点。环境科学前沿7:61。https://doi.org/10.3389/fenvs.2019.00061
吴X和A. T.默里,2008。一种利用图论和空间相互作用量化空间相邻性的新方法。国际地理信息科学学报22(4):387-407。https://doi.org/10.1080/13658810701405615
张爱玲,夏晨,褚杰,林杰,李伟,吴杰。2019。城市景观刻画:一个应用于中国十五个城市的定量分析系统。可持续城市与社会46:101396。https://doi.org/10.1016/j.scs.2018.12.024
张建军,于振华,陈超,万玉莹,赵斌,陈超。20120a。评估不同建筑环境社区的城市绿地提供差异:以快速城市化的中国城市为例。建筑与环境183:107170。https://doi.org/10.1016/j.buildenv.2020.107170
张涛,陈世胜,李国强。2020b。探讨中国城市扩张下城市形态指标与植被生物量损失的关系。环境与规划B:城市分析与城市科学47(3):363-380。https://doi.org/10.1177/2399808318816993
邹H.和王x . 2021。城市绿地形态研究进展与不足。可持续性13(3):1202。https://doi.org/10.3390/su13031202
表1
表1:案例研究城市的主要特点。
指标/城市 | 巴塞罗那 | 哈雷 | 罗兹 | 奥斯陆 | 斯德哥尔摩 |
位置 | 欧洲西南部,西班牙 | 中欧,德国 | 中东欧,波兰 | 北欧洲,挪威 | 北欧洲,瑞典 |
人口¹ | 1620343年 | 239173年 | 687702年 | 673469年 | 962154年 |
²总面积¹(公里) | 102 | 135 | 293 | 454 | 188 |
人口密度(人/ km²) | 15886年 | 1772年 | 2347年 | 1483年 | 5118年 |
住宅建筑数量² | 61228年 | 51342年 | 52122年 | 83605年 | 62218年 |
UGS覆盖率(城市面积的%)² | 33.6 | 69.8 | 69.8 | 73.4 | 50.4 |
欧盟统计局,瑞典国家统计研究所,瑞典统计局。 根据表2所示的数据库。 |
表2
表2。数据源的描述。
信息 | 案例研究的城市 | 数据源 | 评论 |
城市绿色空间 | 所有 | 《城市地图集》、《街道树层》、《哥白尼欧洲定居点图》;OpenStreet地图 | 2012年(城市地图集)、2011-2013年(街道树层)、2010-2013年(欧洲定居点地图)和2017年(开放街道地图)的数据;城市地图集包含至少0.25 ha的对象;街道树层基于SPOT 5 Supermode数据,也用于城市地图集;欧洲定居点地图是根据SPOT5和SPOT6卫星图像绘制的,空间分辨率为2.5米 |
住宅建筑的空间分布 | 巴塞罗那 | 巴塞罗那市政厅开放数据服务 | 2012年的数据 |
哈雷 | 土地及财产登记册 | 2012年的数据 | |
罗兹 | 土地及财产登记册 | 2012年的数据来自2018年的数据集,剔除了2012年以后建造的所有建筑 | |
奥斯陆 | 土地及财产登记册 | 2014年的数据 | |
斯德哥尔摩 | 来自Lantmateriet的GDS属性图 | 2012年的数据来自2017年的数据集,剔除了2012年以后建造的所有建筑 |
|
街道网络 | 所有 | OpenStreet地图 | 数据为2017;不包括不供行人使用的道路的街道网络(高速公路、干线、主干道和副干道) |
表3
表3。UGS类别的潜在物理可访问性。
UGS类别名称 | 参与者保证的潜在物理可访问性对UGS管理的影响最大 |
森林 城市林区(不属于森林的) 绿色城市 市区公园的树木 市区公园除树冠以外的绿化 道路和交通区域的树木 |
高身体的可访问性 UGS对所有居民开放;公共机构,如市政委员会或地方规划当局,通过地方分区计划来确保可达性 |
分配花园除树冠外的绿植 菜园里的树木 坟场内除树冠外的绿植 树木在墓地 运动及休闲绿化区内除树冠以外的绿化 运动休闲绿地的树木 |
介质物理的可访问性 UGS对特定的居民群体或所有居民都是可访问的,但有一定的限制;可达性主要由分配花园委员会,城市绿地当局,城市委员会等来保证。 |
私人土地上的树木和内院的树木 私人土地上的其他绿化及内院绿化 耕地,永久作物,牧场和湿地 工业和商业区的树木 工商界的其他绿化 铁路沿线树木 树木上的矿物提取 建筑地盘的树木 棕色地带的树木 |
低身体可访问性 UGS的可访问性仅限于个人所有者,他们可以(但不必)确保UGS的可访问性 |
表4
表4。城市形态特征指标。
规模 | 类别 | 定义 | 文学 |
居住建筑 | 维 | 住宅建筑平均面积 | Fleischmann等。2021b |
形状 | 住宅建筑平均分形维数指数 | Ma等人,2020年 | |
强度 | 住宅建筑的边缘密度 | 韦伯等人,2014 | |
空间分布 | 住宅建筑的平均欧氏最近邻距离 | Fleischmann等。2021b | |
连接 | 共享边在总边长中的百分比 | 吴和默里2008年 | |
街道网络 | 维 | 平均街道段长度* | 波音2017 |
形状 | 平均线路,网络距离与直线距离之比* | 波音2019 | |
空间分布 | 平均距离中心* | 波音2018 | |
强度 | 街道密度* | 波音2017 | |
连接 | 加权平均聚类系数* | 波音2018 | |
城市街区 | 维 | 城市街区区 | Annunziata和Garau 2021 |
形状 | 城市街区分形维数指数 | Zhang等。2019 | |
空间分布 | 以建筑密度**计算城市街区与其相邻街区欧式距离的平方 | Fleischmann等。2021b | |
强度 | 每个城市街区的住宅建筑数量 | Oliveira等,2020年 | |
连接 | 相邻的城市街区数量 | Hermosilla等人,2014 | |
*市区街区周围200米缓冲区内的街道。 **我们将连续性称为空间分布特征,假设相邻的城市街区越相似,城市空间越具有连片性。 |
表5
表5所示。五个个案研究城市的城市绿地供应量(%)
UGS和物理可访问性 | 指示器 | 巴塞罗那 | 哈雷 | 罗兹 | 奥斯陆 | 斯德哥尔摩 |
高物理可达性(总计) | 一个 B C D |
17.80 0.85 3.52 11.31 |
16.20 1.40 8.60 23.08 |
14.90 0.99 7.94 21.21 |
56.40 1.49 8.01 22.46 |
26.50 11.59 17.37 55.11 |
其他绿色植物 | 一个 B C D |
1.70 0.00 0.12 1.04 |
1.10 0.00 1.09 3.03 |
1.00 0.00 0.44 2.31 |
0.40 0.00 0.23 1.35 |
3.30 0.73 2.87 3.02 |
树的树冠 | 一个 B C D |
16.10 0.72 2.51 8.52 |
15.10 1.08 5.95 17.11 |
13.90 0.71 5.07 16.63 |
56.00 1.33 6.56 19.61 |
23.20 9.45 15.45 48.12 |
中等物理可达性(总计) | 一个 B C D |
3.60 0.00 0.00 2.87 |
6.9 0.00 4.74 15.48 |
4.20 0.00 0.00 6.17 |
2.00 0.00 0.00 6.00 |
5.10 0.00 1.25 6.20 |
其他绿色植物 | 一个 B C D |
3.30 0.00 0.00 2.69 |
4.90 0.00 2.76 10.24 |
2.30 0.00 0.00 2.69 |
1.50 0.00 0.00 4.86 |
3.40 0.00 0.71 4.04 |
树的树冠 | 一个 B C D |
0.30 0.00 0.00 0.00 |
2.00 0.00 1.95 8.68 |
1.90 0.00 0.00 1.51 |
0.50 0.00 0.00 0.86 |
1.70 0.00 0.05 1.22 |
物理可达性低(总计) | 一个 B C D |
12.30 3.96 6.27 20.39 |
46.70 29.90 24.17 88.15 |
50.70 34.14 28.47 92.77 |
15.10 38.64 19.57 92.48 |
18.80 32.29 22.30 87.38 |
其他绿色植物 | 一个 B C D |
8.40 0.00 2.53 9.03 |
40.60 13.09 19.41 59.75 |
46.00 13.53 22.94 60.30 |
11.00 16.35 17.27 68.47 |
9.20 18.91 15.28 77.56 |
树的树冠 | 一个 B C D |
3.90 2.78 3.85 9.35 |
6.10 14.36 10.16 70.34 |
4.70 17.62 10.15 83.85 |
4.10 18.45 13.39 80.83 |
9.60 12.31 11.17 61.93 |
A - UGS占全市总面积的百分比(%);B和C -每幢住宅楼宇周围300米服务区的地面辅助设施供应的中位数(B)及四分位数范围(C);D -在300米的服务面积内,有UGS设备的住宅楼宇比例超过10%(%)。 |
表6
表6所示。个案研究城市的城市结构特征
城市结构 | 城市形态特征的指标 | 巴塞罗那 | 哈雷 | 罗兹 | 奥斯陆 | 斯德哥尔摩 |
城市结构1 | 一个 B C |
0.34 0.04 1.31 |
1.65 0.04 4.23 |
2.81 0.06 5.88 |
0.66 0.07 2.64 |
10.03 0.04 3.71 |
城市结构2 | 一个 B C |
0.05 0.09 0.46 |
2.71 0.03 12.26 |
7.90 0.03 2.65 |
18.32 0.06 6.55 |
0.86 0.06 1.43 |
城市结构3 | 一个 B C |
64.21 0.90 40.70 |
16.75 0.05 63.59 |
15.33 0.07 5.38 |
6.47 0.04 35.36 |
36.93 0.05 19.05 |
城市结构4 | 一个 B C |
7.68 0.07 2.56 |
20.29 0.04 52.53 |
9.11 0.03 10.47 |
||
城市结构5 | 一个 B C |
24.88 0.02 36.68 |
105.36 0.04 1 409 |
|||
A -住宅建筑欧式平均最近邻距离(单位:m);B -城市街区平均街道网络密度(单位:m/m²);C -平均城市街区面积(单位:公顷)。 |
表7
表7所示。城市建筑中城市绿地供应量的中位数(%)和括号内的四分位数区间。
UGS和潜在的物理可访问性 | 城市结构 | 巴塞罗那 | 哈雷 | 罗兹 | 奥斯陆 | 斯德哥尔摩 |
UGS(总) | 1 2 3. 4 5 |
5.61 (8.28) 4.69 (7.84) 37.45 (58.46) 30.01 (41.93) |
26.77 (25.71) 45.82 (23.12) 49.98 (21.28) |
30.00 (24.88) 44.89 (20.20) 36.52 (15.20) 46.53 (39.78) 69.94 (29.99) |
23.02 (22.19) 27.96 (25.02) 48.37 (16.73) 48.82 (14.51) 50.78 (20.05) |
52.58 (19.17) 41.02 (40.06) 57.38 (18.37) |
高物理可达性(总计) | 1 2 3. 4 5 |
0.73 (2.76) 0.54 (2.32) 9.66 (27.19) 3.84 (14.43) |
3.40 (10.63) 0.81 (5.95) 3.39 (14.83) |
0.90 (6.32) 1.08 (7.81) 2.25 (8.54) 1.06 (9.57) 0.69 (9.91) |
1.69 (9.15) 0.97 (4.87) 1.59 (8.60) 1.01 (1.80) 5.29 (18.91) |
11.46 (17.20) 11.20 (16.11) 16.84 (22.63) |
其他绿色植物 | 1 2 3. 4 5 |
0.00 (0.06) 0.00 (0.11) 0.00 (0.57) 0.00 (0.51) |
0.41 (2.74) 0.00 (0.34) 0.00 (1.83) |
0.00 (0.97) 0.00 (0.40) 0.38 (3.27) 0.00 (0.31) 0.00 (0.00) |
0.00 (1.07) 0.00 (0.57) 0.00 (0.25) 0.00 (0.00) 0.00 (0.00) |
0.85 (3.02) 0.30 (2.32) 0.58 (2.51) |
树的树冠 | 1 2 3. 4 5 |
0.66 (2.15) 0.50 (1.58) 6.74 (26.05) 2.87 (11.03) |
2.36 (6.97) 0.73 (4.01) 2.08 (10.86) |
0.62 (3.26) 0.79 (5.15) 0.89 (3.18) 0.82 (6.21) 0.61 (8.72) |
1.43 (7.76) 0.83 (3.96) 1.40 (6.92) 0.95 (1.63) 4.34 (18.26) |
9.12 (15.04) 9.72 (15.29) 14.43 (20.10) |
中等物理可达性(总计) | 1 2 3. 4 5 |
0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) |
0.00 (2.81) 0.00 (5.52) 0.00 (5.66) |
0.00 (0.04) 0.00 (0.00) 0.00 (0.95) 0.00 (0.00) 0.00 (0.00) |
0.00 (0.67) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) |
0.00 (1.23) 0.00 (1.49) 0.00 (0.81) |
其他绿色植物 | 1 2 3. 4 5 |
0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) |
0.00 (1.50) 0.00 (3.25) 0.00 (3.17) |
0.00 (0.02) 0.00 (0.00) 0.00 (0.50) 0.00 (0.00) 0.00 (0.00) |
0.00 (0.50) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) |
0.00 (0.66) 0.00 (0.92) 0.00 (0.45) |
树的树冠 | 1 2 3. 4 5 |
0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) |
0.00 (0.85) 0.00 (2.58) 0.00 (2.31) |
0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) |
0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) 0.00 (0.00) |
0.00 (0.06) 0.00 (0.02) 0.00 (0.02) |
物理可达性低(总计) | 1 2 3. 4 5 |
3.57 (4.55) 2.93 (3.92) 10.02 (27.63) 17.31 (26.73) |
14.44 (16.82) 34.67 (21.02) 34.73 (23.81) |
22.24 (19.25) 37.25 (19.24) 28.43 (11.85) 32.93 (33.89) 58.83 (35.16) |
12.68 (15.97) 19.41 (24.55) 40.48 (14.97) 44.59 (14.54) 37.99 (15.56) |
34.26 (20.83) 22.21 (29.59) 33.83 (19.70) |
其他绿色植物 | 1 2 3. 4 5 |
0.87 (1.86) 0.66 (1.44) 3.88 (17.91) 7.48 (16.16) |
3.04 (11.27) 16.15 (18.27) 17.97 (20.19) |
5.79 (10.40) 15.33 (13.25) 8.32 (7.85) 14.04 (28.53) 39.18 (40.41) |
4.22 (7.91) 5.28 (12.48) 19.02 (16.48) 20.18 (17.27) 15.48 (12.70) |
20.63 (14.07) 10.66 (16.05) 19.38 (15.69) |
树的树冠 | 1 2 3. 4 5 |
2.56 (2.88) 2.24 (2.42) 5.06 (8.49) 8.56 (8.63) |
9.41 (7.83) 16.21 (10.11) 14.62 (7.99) |
14.66 (10.14) 20.75 (8.24) 18.87 (8.46) 16.19 (10.25) 17.40 (10.85) |
7.44 (6.84) 11.48 (12.03) 19.45 (11.80) 22.51 (13.74) 20.69 (9.58) |
12.96 (10.27) 8.88 (14.34) 12.17 (10.32) |